细菌觅食算法优化卷积神经网络的滚动轴承故障诊断
Bacterial Foraging Algorithms Optimize Rolling Bearing Fault Classification for Convolutional Neural Network作者机构:吉林化工学院吉林132022 广东石油化工学院广东茂名525000 东莞理工学院广东东莞523419
出 版 物:《自动化与仪器仪表》 (Automation & Instrumentation)
年 卷 期:2023年第7期
页 面:235-239页
学科分类:08[工学] 0811[工学-控制科学与工程]
基 金:国家自然科学基金面上项目(62073091) 广东省高校重点领域(新一代信息技术)专项(2020ZDZX3042) 东莞理工学院机器人与智能装备创新中心项目(KCYCXPT2017006) 广东省普通高校机器人与智能装备重点实验室项目(2017KSY009) 广东省普通高校特色创新项目(2017KTSCX176) 湖南省重点实验室开放基金项目(21903)。
摘 要:针对传统深度学习故障诊断方法在滚动轴承中诊断效果不理想的问题,提出一种细菌觅食优化算法(BFO)优化卷积神经网络(CNN)学习率使诊断效果提升的模型。在模型逐次迭代过程中,将CNN中的学习率参数带入BFO中,生成一个自适应的学习率,用于更新CNN的权重和偏置,使模型故障诊断效果达到最佳。通过实验证明基于细菌觅食算法优化的卷积神经网络训练的模型在分类精度上优于CNN训练的模型,并与CNN多种学习率对比,可将故障诊断准确率提升至97.25%,并提高了全局的收敛能力。